Sugon 8000, da China, usa 100 mil placas de IA em simulações do cérebro, do universo e do clima

De quatro trilhões de partículas cósmicas a um cérebro digital

Uma simulação com quatro trilhões de partículas de matéria escura, um cérebro digital com 100 bilhões de neurônios e um sistema de previsão oceânica com resolução de um quilômetro estão entre as aplicações apresentadas junto ao sistema de computação Sugon 8000, da China, em uma grande conferência em Shenzhen.

Descrita por sua desenvolvedora como o primeiro supercluster de IA da China totalmente desenvolvido no país e equipado com 100 mil placas aceleradoras, a máquina foi apresentada na 22ª Conferência Nacional da CCF sobre Computação de Alto Desempenho. O evento ocorreu de 17 a 20 de outubro de 2026, no Centro de Exposições e Convenções de Shenzhen, e dez resultados de aplicações de ponta foram divulgados em 18 de outubro.

O Sugon 8000, também chamado Dengfeng, foi construído em Zhengzhou, na província de Henan, e conectado à Internet Nacional de Supercomputação. Seu projeto central combina computação de alto desempenho, que realiza cálculos com base em regras matemáticas e físicas, e inteligência artificial, que aprende padrões a partir de dados.

O objetivo prático é oferecer aos pesquisadores uma maneira mais rápida de investigar problemas difíceis. Uma simulação convencional pode gerar dados de treinamento, a IA pode buscar entre possíveis respostas e outra simulação detalhada pode verificar os resultados mais promissores.

O anúncio de conclusão da Sugon informa que o sistema foi concluído e conectado à rede em 10 de julho de 2026. A apresentação de outubro, portanto, destacou aplicações de um sistema que já estava em uso, incluindo trabalhos em astronomia, materiais, ciências da vida, meteorologia e agricultura.

O que 100 mil placas conectadas fazem na prática

Uma placa aceleradora de IA é um componente de hardware projetado para realizar grandes quantidades de cálculos em paralelo. Conectar 100 mil placas permite que um cluster distribua tarefas exigentes entre muitos processadores, desde que eles consigam trocar dados com rapidez suficiente.

A Sugon afirma que o sistema oferece suporte a formatos numéricos que vão de FP64 a INT8. O FP64 usa 64 bits para representar um número de ponto flutuante, proporcionando alta precisão numérica para cálculos científicos. O INT8 representa números inteiros usando oito bits e é útil em algumas operações de IA, nas quais números menores podem reduzir o uso de memória e o custo dos cálculos.

Diferentes etapas da pesquisa exigem diferentes níveis de precisão. Uma simulação física detalhada pode exigir FP64, enquanto um modelo de IA que analisa possíveis materiais pode usar um formato de menor precisão. O Sugon 8000 foi projetado para dar suporte a essas cargas de trabalho na mesma plataforma de computação.

A passagem de 10 mil para 100 mil placas representa um aumento de dez vezes na quantidade de placas. O desempenho efetivo também depende da eficiência com que o software distribui o trabalho, da velocidade de transferência dos dados e do tempo que os processadores passam esperando uns pelos outros.

A Sugon descreve sua abordagem como uma integração nativa entre computação de alto desempenho e IA. Na prática, a infraestrutura foi projetada para lidar com simulações científicas, treinamento de modelos e inferência, o processo de usar um modelo de IA treinado para produzir uma resposta.

Um ciclo de pesquisa que verifica a IA com a física

Simulações científicas e IA partem de pontos diferentes. Uma simulação pode usar equações que descrevem como os átomos interagem ou como o ar se movimenta. Ela começa com um estado inicial e calcula o que acontece em seguida, muitas vezes em várias etapas pequenas.

Um modelo de IA aprende com exemplos. Com resultados de simulações suficientes, ele pode identificar padrões e estimar resultados muito mais rapidamente do que a repetição de cada cálculo detalhado. Essa rapidez é valiosa quando os pesquisadores precisam analisar um número enorme de projetos ou arranjos moleculares possíveis.

A abordagem combinada do Sugon 8000 segue três etapas. Primeiro, a computação científica produz dados de simulação. Depois, a IA aprende com esses dados e seleciona candidatos. Por fim, cálculos científicos detalhados verificam uma seleção menor das respostas mais promissoras.

A verificação final é importante porque a IA pode produzir resultados plausíveis, mas imprecisos, muitas vezes chamados de alucinações. Na pesquisa científica, uma previsão atraente ainda precisa ser testada em relação ao comportamento físico estudado. O fluxo de trabalho combinado direciona cálculos dispendiosos para candidatos que já passaram por uma triagem inicial.

Para os pesquisadores, o benefício é uma mudança na forma de usar o tempo de computação. Em vez de executar o cálculo mais detalhado para cada possibilidade, eles podem usar a IA para restringir a busca e reservar maior precisão para os casos que merecem uma análise mais cuidadosa.

O lançamento em julho e a apresentação de outubro

O anúncio da Sugon em julho e a apresentação na conferência de outubro descrevem etapas diferentes da implementação do sistema. A empresa anunciou primeiro a conclusão, depois divulgou dados operacionais e, em seguida, apresentou um panorama mais amplo das aplicações científicas.

• 10 de julho de 2026: a Sugon anunciou a conclusão do Sugon 8000 e sua conexão à Internet Nacional de Supercomputação.
• 18 de julho: dados divulgados durante a Conferência Mundial de Inteligência Artificial apontaram utilização plena na primeira semana de operação, com uma média de mais de 150 mil tarefas processadas por dia.
• De 17 a 20 de outubro: foi realizada em Shenzhen a Conferência Nacional da CCF sobre Computação de Alto Desempenho.
• 18 de outubro: a Sugon apresentou dez resultados de aplicações de ponta na conferência.

A data oficial de conclusão informada pela Sugon é 10 de julho; um relato de outubro também afirmou que o cluster entrou formalmente em operação em agosto, sem explicar como esse marco se relaciona com o lançamento de julho.

Os dados da primeira semana indicaram um pico diário acima de 500 mil tarefas, mais de três vezes o limite da média diária informada, de 150 mil. Uma tarefa é uma atividade de computação enviada ao sistema, portanto o total pode incluir trabalhos de tamanhos e durações muito diferentes.

A atualização operacional de julho também descreveu suporte a milhões de solicitações simultâneas de usuários, por meio de um sistema de agendamento que considera o tipo de tarefa, a localização dos dados e a disponibilidade de recursos. Esse agendamento equivale, na computação, a distribuir o trabalho entre as equipes adequadas, evitando que rotas e equipamentos compartilhados se tornem gargalos.

O que envolvem os projetos do universo e do cérebro

A simulação cosmológica Qianyan usou quatro trilhões de partículas de matéria escura para modelar a evolução do cosmos. A matéria escura é uma forma de matéria cujos efeitos gravitacionais podem ser observados, embora ela não emita luz. As partículas simuladas representam porções dessa matéria e permitem que os pesquisadores calculem como grandes estruturas se desenvolvem.

A escala numérica dá substância à descrição da máquina como capaz de conter um universo simulado. Os pesquisadores usam uma representação matemática da matéria cósmica e de seu comportamento e, em seguida, calculam como essa representação muda.

Uma equipe da Universidade Fudan também apresentou um cérebro digital na escala de 100 bilhões de neurônios, descrito na conferência como o primeiro do mundo nessa escala. Um cérebro digital representa células nervosas e suas interações em um software, permitindo que os pesquisadores investiguem seu comportamento coletivo.

Os dois projetos exigem mais do que espaço de armazenamento para um grande número de elementos. O computador precisa calcular interações repetidamente e transferir informações entre processadores à medida que o sistema simulado muda.

Os projetos de astronomia e cérebro mostram por que a apresentação de outubro se concentrou nas aplicações, e não apenas na quantidade de placas. Entre as medidas de utilidade estão a complexidade que um modelo consegue processar, o nível de detalhe dos cálculos e o tempo necessário para concluir uma simulação.

Materiais, clima, oceanos e milho virtual

O MatPL, um pacote de software de campos de força para aprendizado de máquina, ampliou a simulação de dinâmica molecular para um trilhão de átomos, com precisão descrita como próxima à dos cálculos de mecânica quântica. A dinâmica molecular acompanha o movimento dos átomos ao longo do tempo. Um campo de força estima as forças entre eles, que determinam esse movimento.

O aprendizado de máquina pode reduzir o custo de calcular essas estimativas de força em comparação com a resolução repetida de um problema quântico mais detalhado. A apresentação na conferência situou o resultado do MatPL no encontro entre o tamanho da simulação e a precisão numérica, duas exigências que muitas vezes são difíceis de atender simultaneamente.

O sistema Fengqing Ensemble V1.0, para previsões meteorológicas globais de curto e médio prazo, já havia entrado em operação. Uma previsão por conjunto executa várias versões de uma previsão para explorar como o clima pode evoluir a partir de condições iniciais ou premissas ligeiramente diferentes.

Na pesquisa oceânica, o swLFS foi apresentado como o primeiro sistema global de previsão da circulação oceânica com resolução de um quilômetro. Uma resolução mais fina permite que o modelo represente fenômenos espaciais menores, mas aumenta a quantidade de cálculos necessários para cobrir os oceanos do mundo.

A plataforma Virtual Maize, da Universidade Agrícola da China, foi apontada como responsável por reduzir os ciclos de melhoramento de mais de dez anos para alguns anos. A plataforma aplica a computação à busca por características úteis nas lavouras, ajudando os pesquisadores a restringir as combinações que testam no melhoramento genético.

Os dez resultados também abrangeram a exploração de energia e o desenvolvimento de equipamentos avançados. Em conjunto, os exemplos citados associam o cluster a trabalhos concretos: prever o clima, modelar a circulação oceânica, estudar o comportamento atômico e selecionar opções para o melhoramento de culturas.

A rede e o armazenamento por trás dos cálculos

A Sugon afirma que sua infraestrutura nacional abrange chips, equipamentos de computação, armazenamento, redes, refrigeração, aplicações e serviços. Chips Hygon e outros desenvolvidos no país fornecem a base de computação. A cobertura da conferência também mencionou seis chips desenvolvidos internamente na arquitetura mais ampla.

A rede scaleFabric usa acesso remoto direto à memória nativo, ou RDMA. Isso permite que os dados sejam transferidos entre máquinas com menos participação de seus processadores principais, reduzindo parte do custo de comunicação.

Conexões rápidas são essenciais porque uma simulação de grande porte ou um treinamento de IA compartilha repetidamente resultados intermediários. Se os processadores terminam os cálculos, mas precisam esperar pelos dados, parte da capacidade de computação instalada fica ociosa.

A Sugon aponta o armazenamento distribuído ParaStor como outro componente fundamental. O armazenamento distribuído espalha os dados por várias máquinas, permitindo que grandes cargas de trabalho leiam e gravem informações por diversos caminhos. A empresa afirma que o ParaStor ficou em primeiro lugar nas categorias de desempenho de nó completo em produção e de 10 nós do ranking IO500 de 2026.

O desempenho do armazenamento é importante durante o treinamento de modelos, quando grandes conjuntos de dados precisam ser lidos repetidamente, e nas simulações científicas, quando pode ser necessário salvar resultados intermediários. Salvar o progresso também ajuda a retomar um cálculo demorado após uma interrupção.

Nessa escala, congestionamento da rede, balanceamento de carga e isolamento de falhas se tornam tarefas centrais de engenharia. O sistema de agendamento precisa distribuir o trabalho onde haja processadores e dados adequados, enquanto a rede deve transportar o tráfego gerado sem transformar um problema localizado em uma desaceleração mais ampla.

Refrigeração, densidade e o custo de manter as placas em operação

O Sugon 8000 usa refrigeração por imersão com mudança de fase. Os equipamentos transferem calor para um líquido refrigerante, e a mudança de estado do líquido ajuda a dissipar esse calor. A Sugon afirma que o projeto permite o uso de racks com densidade de potência na faixa dos megawatts.

A empresa também descreve fluidos refrigerantes desenvolvidos no país e um sistema de refrigeração que aproveita as condições externas ao longo de todo o ano. Esses recursos enfrentam uma limitação básica: concentrar mais poder de computação em um espaço restrito gera mais calor, que precisa ser removido continuamente.

A atualização operacional de julho alegou um aumento de vinte vezes na densidade de computação por unidade em comparação com outros supernós. O comunicado de conclusão da Sugon, publicado separadamente em julho, apontou eficiência energética, acesso à memória e projeto de rede como aspectos que precisam ser avaliados em um cluster dessa escala.

O fornecimento de eletricidade e os equipamentos de refrigeração precisam dar conta tanto de uso intenso e contínuo quanto de variações na demanda. Uma máquina que executa simulações científicas, treina modelos de IA e processa grandes volumes de inferência pode enfrentar diferentes padrões de tráfego e consumo de energia conforme as cargas de trabalho mudam.

Entre as próximas medidas práticas estão a energia consumida por tarefa concluída, o tempo de espera por dados, o tempo para concluir tarefas e a recuperação após falhas. Os anúncios publicados não trazem um conjunto completo de dados comparáveis sobre consumo total de energia, custos operacionais, velocidade das aplicações ou tarifas para usuários.

Qual é a abrangência do uso do sistema

O anúncio de conclusão da Sugon, em julho, afirmou que mais de 300 aplicações de computação científica e IA haviam sido otimizadas em mais de 20 áreas. Mais de 70 aplicações haviam sido ampliadas para a escala de 10 mil placas. Entre os exemplos citados estavam dobramento de proteínas, dinâmica molecular envolvendo um trilhão de átomos de água e simulação de turbulência com 100 trilhões de células de grade.

A atualização operacional de julho mencionou quase 1.000 adaptações de aplicações. Na conferência de outubro, os números se referiram a mais de 300 aplicações prioritárias profundamente otimizadas em mais de 30 áreas, incluindo mais de 20 executadas em todo o sistema. Outro relato de outubro contabilizou mais de 300 tarefas de computação em 26 áreas. Esses totais usam categorias diferentes, como adaptação de software, otimização prioritária e tarefas de computação.

A Internet Nacional de Supercomputação pretende tornar o cluster acessível a universidades, instituições de pesquisa, empresas e usuários individuais. Sua função é conectar a demanda por computação aos recursos disponíveis, ampliando o acesso para além das organizações que podem construir e operar um grande cluster por conta própria.

O Sugon 8000 também foi escolhido como um caso representativo de aplicação pelo programa de observação de fronteira HPC+IA para a Ciência, lançado em 18 de outubro. A conferência apresentou um plano de ação de colaboração industrial e uma comunidade aberta para trabalhos conjuntos em infraestrutura de computação, software e aplicações.

A Sugon anunciou uma parceria estratégica com a Academia de Inteligência Artificial de Pequim e o desenvolvimento de um segundo sistema totalmente nacional, também com 100 mil placas. No caso da primeira máquina, os resultados de outubro destacaram trabalhos científicos concluídos e a prestação contínua de serviços. O segundo sistema proposto ampliaria essa abordagem para além de uma única instalação.

Principais pontos

• O Sugon 8000 conecta 100 mil placas aceleradoras de IA e opera em Zhengzhou, na província de Henan.
• A Sugon anunciou a conclusão do sistema e sua conexão à Internet Nacional de Supercomputação em 10 de julho de 2026.
• Dez resultados de aplicações de ponta foram apresentados em Shenzhen em 18 de outubro.
• Entre os projetos citados estão uma simulação com quatro trilhões de partículas de matéria escura, um cérebro digital com 100 bilhões de neurônios e uma simulação molecular com um trilhão de átomos.
• O sistema combina cálculos científicos detalhados com treinamento e inferência de IA em uma única plataforma.
• A Sugon anunciou o desenvolvimento de um segundo cluster totalmente nacional com 100 mil placas.